2021-11-04

AMiner推荐论文：Structured Attention Graphs for Understanding Deep Image Classifications
论文链接：https://www.aminer.cn/pub/5fb2471b91e01186d3f5de45?f=cs
热点图是解释卷积网络在图像分类中的决策的常用方法。通常，对于每个感兴趣的图像，都会生成一个注意力地图，它根据像素在分类中的重要性为它们分配权重。然而，一个单一的注意图提供了一个不完整的理解，因为通常有许多其他的图同样很好地解释了一个分类。在本文中，我们引入了结构化注意图(SAGs)，它通过捕捉图像区域的不同组合如何影响分类器的置信度，简洁地表示图像的热点图集。我们提出了一种计算SAGs的方法和可视化的SAGs，以便对分类器的决策有更深入的了解。我们进行了一项用户研究，比较了在回答有关图像分类的反事实问题时使用标记图和传统注意图的差异。我们的结果表明，与基线相比，用户在回答基于sagg的比较反事实问题时更正确。
AMiner,让AI帮你理解科学！https://www.aminer.cn